python案例认为上半场是否有进球产生？

判断上半场是否有进球的案例分析

问题理解

这是一个典型的分类预测问题：根据比赛数据（如球队实力、历史交锋、盘口等），预测上半场是否会产生进球（0-0 还是 ≥1 球）。

下面给出一个完整的 Python 案例，包含数据模拟、特征工程、模型训练和预测。

完整代码案例

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, accuracy_score, roc_auc_score
from sklearn.preprocessing import StandardScaler
# ========== 1. 模拟数据 ==========
np.random.seed(42)
n = 1000
data = pd.DataFrame({
    "home_rank": np.random.randint(1, 20, n),          # 主队排名
    "away_rank": np.random.randint(1, 20, n),          # 客队排名
    "home_avg_goals_1h": np.random.uniform(0.2, 1.2, n),  # 主队上半场场均进球
    "away_avg_goals_1h": np.random.uniform(0.2, 1.2, n),  # 客队上半场场均进球
    "home_conceded_1h": np.random.uniform(0.2, 1.2, n),   # 主队上半场场均失球
    "away_conceded_1h": np.random.uniform(0.2, 1.2, n),   # 客队上半场场均失球
    "handicap": np.random.choice([-1, -0.75, -0.5, -0.25, 0, 0.25, 0.5], n),  # 亚盘
    "over_under_1h": np.random.choice([0.5, 0.75, 1.0, 1.25], n),             # 上半场大小球盘
})
# ========== 2. 构造标签：上半场是否有进球 ==========
# 上半场进球数服从泊松分布，λ 由球队进攻/防守能力决定
lam = (data["home_avg_goals_1h"] + data["away_avg_goals_1h"] +
       data["home_conceded_1h"] * 0.3 + data["away_conceded_1h"] * 0.3) / 2
data["goals_1h"] = np.random.poisson(lam)
data["has_goal_1h"] = (data["goals_1h"] > 0).astype(int)   # 1=有进球, 0=无进球
print("标签分布：")
print(data["has_goal_1h"].value_counts(normalize=True))
# ========== 3. 特征与标签 ==========
features = ["home_rank", "away_rank", "home_avg_goals_1h", "away_avg_goals_1h",
            "home_conceded_1h", "away_conceded_1h", "handicap", "over_under_1h"]
X = data[features]
y = data["has_goal_1h"]
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42, stratify=y
)
# ========== 4. 训练模型 ==========
model = RandomForestClassifier(
    n_estimators=200,
    max_depth=6,
    random_state=42,
    class_weight="balanced"
)
model.fit(X_train, y_train)
# ========== 5. 评估 ==========
y_pred = model.predict(X_test)
y_prob = model.predict_proba(X_test)[:, 1]
print("\n准确率:", accuracy_score(y_test, y_pred))
print("AUC    :", roc_auc_score(y_test, y_prob))
print("\n分类报告:\n", classification_report(y_test, y_pred))
# ========== 6. 特征重要性 ==========
importance = pd.Series(model.feature_importances_, index=features).sort_values(ascending=False)
print("\n特征重要性:\n", importance)
# ========== 7. 预测一场新比赛 ==========
new_match = pd.DataFrame([{
    "home_rank": 3,
    "away_rank": 15,
    "home_avg_goals_1h": 0.9,
    "away_avg_goals_1h": 0.4,
    "home_conceded_1h": 0.3,
    "away_conceded_1h": 0.8,
    "handicap": -0.75,
    "over_under_1h": 1.0,
}])
prob = model.predict_proba(new_match)[0, 1]
print(f"\n新比赛上半场有进球的概率: {prob:.2%}")
print("预测结论:", "✅ 上半场有进球" if prob > 0.5 else "❌ 上半场无进球")

关键思路解析

为什么用分类模型？

• 目标是判断 "有/无进球"（二分类）
• 相比回归预测具体进球数,二分类更稳健，也符合"是否有进球"的问题本质

核心特征

数据来源建议（真实场景）

• 历史比赛数据：football-data.org、com、懂球帝 API
• 盘口数据：各博彩公司赔率历史
• 实时抓取：requests + BeautifulSoup 或 Selenium

模型优化方向

• 加入 泊松回归 估计λ，再算 P(无进球) = e^(-λ)
• 加入 XGBoost / LightGBM 提升效果
• 用 时间序列划分 防止数据泄漏
• 增加 Elo 评分、近期状态等特征

泊松分布解法（更专业）

若已有历史数据,可用泊松模型直接计算无进球概率：

from scipy.stats import poisson
# 假设主队上半场期望进球 0.7，客队 0.5
lam_home, lam_away = 0.7, 0.5
# P(总进球 = 0) = P(主=0) * P(客=0)
p_no_goal = poisson.pmf(0, lam_home) * poisson.pmf(0, lam_away)
print(f"上半场无进球概率: {p_no_goal:.2%}")
print(f"上半场有进球概率: {1 - p_no_goal:.2%}")

输出示例：

上半场无进球概率: 30.12%
上半场有进球概率: 69.88%

如果你有真实的比赛数据集，我可以帮你换成真实数据跑一遍，需要的话告诉我数据字段格式即可 👍